研究者用110万篇论文构建电力工程「研究世界模型」
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把研究领域当动力系统
论文的出发点是：电力工程研究方向的选择会决定哪些技术成熟，并影响此后数十年的基础设施，但这些选择的后果在做出之前无法观察，而现有对研究领域的预测只外推单一路径。作者因此提出「研究世界模型」，把研究领域视为一个可以被施加动作的动力系统，并以电力工程为第一个实例，从 110 万篇论文中建立该模型。这一设定把「预测趋势」换成「模拟干预」，问题形式随之改变：不是问某个方向会不会热，而是问如果施加某个动作，概念网络会怎样演化。
三层结构与训练方式
模型由几部分组成：一个蒸馏语言模型负责把每篇论文读成带角色类型的概念；两个高保真图-时序神经网络核心负责学习由此形成的概念网络如何演化；此外，从发表记录中的自然实验学出的算子用来估计干预带来的效果。评测采用按时间留出的方式，模型需要提前数年判断哪些概念会增长、哪些方法-目标配对会首次出现，在多数设置下超过经过调优的机器学习基线。作者还报告，模型估计的干预效果与它未曾见过的自然实验中实际发生的结果相吻合，其训练方案和其中三个算子在两个未参与开发的领域中得到了复现。
用自然语言提问并成对模拟
在交互层面，用户以自然语言提出问题，一个领域专用的 270 亿参数语言模型把问题编译成可执行动作，系统再以「有干预」和「无干预」的成对模拟给出回答，使提问者能直接对比两种情形下的演化差异。回答质量由独立的语言模型评审打分，忠实度一项为 5 分制 4.1 分。作者认为，这类模型揭示了研究领域的潜在动态及其对干预的响应，为在决策做出之前模拟和检验研究选择提供了新途径。论文同时归入 cs.AI 与 eess.SY 分类，提交时间为 2026 年 11 月 3 日。
为什么值得看
把「研究决策的后果」变成可模拟对象，并给出可复现的训练与评测方式，对做科研预测与领域建模的人有参考价值。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。